PY => Python三程

GIL的理解

GIL这个话题至今也是个争议较多的，对于不用应用场景对线程的需求也就不同，说下我听过的优点：
1. 我没有用过其他语言的多线程，所以无法比较什么，但是对于I/O而言，Python的线程还是比较高效的。
2. 有些第三方基于Python的框架和库，比如Tensorflow等基于C/C plus plus重写的Python线程机制。
3. 至于换成Cython编译器解决GIL，这个只是听过，没用过。
4. Python多线程对于web、爬虫方面也可以表现出较好的性能。
5. Python多进程是完好的，可以把资源消耗较少的非必要线程工作转为多进程来工作。
6. 计算密集型就别想多线程了，一律多进程。
7. Python还有细粒度且高效的协程。
8. 如果有N核CPU，那么同时并行的进程数就是N，每个进程里面只有一个线程能抢到工作权限。
   所以同一时刻最大的并行线程数=进程数=CPU的核数（这条我的个人理解很模糊，参考吧）

多线程

多线程有2种通过start的那种方式，非常普遍，此处就不写了。
新版线程池 future库 是python3.2新出的功能（记住这个future）
方式1：（sublime运行后直接贴上来了）
    from time import sleep
    from concurrent.futures import ThreadPoolExecutor,as_completed,ALL_COMPLETED,wait
    
    executor = ThreadPoolExecutor(max_workers=10)        # 初始化线程池10个坑
    def f():
        sleep(15)
        return 100
    all_tasks = [executor.submit(f) for _ in range(10)]  # 提交10个线程，全放池里执行
    # for per_thread in as_completed(all_tasks):         
        # print(per_thread.result())
    ---------# 注意上面，as_completed(all_tasks) 是等待future对象完成后才执行主线程
    ---------# 注意下面，wait和 as_completed() 的 作用一样，就和普通版的join() 相似
    for per_thread in all_tasks:
        print(per_thread.result())
    wait(all_tasks, return_when=ALL_COMPLETED)   # 还可以选FIRST_COMPLETED，待第一个完成后
    print('主线程')
        
方式2： map多线程版
    value_list = executor.map(func, list(range(10))) # 返回的直接是map后的序列
    for value in value_list:
        print(value)
    注意：    
        这个map方式，如果要传多个参数就涉及到高阶函数那节讲的偏函数了。

多进程

多进程有2种通过start的那种方式+普通进程池，同样非常普遍，此处就不写了，自己百度一下。
新版进程池 同样是和上面用一样的future库，惊不惊喜。（可以看出好的程序要向着统一封装的方向优化）
也许你会惊讶，因为只把thread单词改为processing就是进程池版本了，就是这么简单！！！！！
from time import sleep
import multiprocessing
from concurrent.futures import ProcessPoolExecutor,as_completed,ALL_COMPLETED,wait
executor = ProcessPoolExecutor(max_workers=multiprocessing.cpu_count())
def f():
    sleep(15)
    return 100

if __name__ == '__main__':    # 这句要加
    all_tasks = [executor.submit(f) for _ in range(multiprocessing.cpu_count())]
    for per_thread in as_completed(all_tasks):
        print(per_thread.result())
    # for per_thread in all_tasks:
    #     print(per_thread.result())
    # wait(all_tasks, return_when=ALL_COMPLETED)
    print('主进程')   
# 这就是 futures 模块 设计思想的魅力

多协程

前言：
    也许你记得，函数用到 yield 来代替 return 就变成了 生成器。其特点是代码片段断点式执行。
    如果有多个yield， 就可以自己用程序来切换执行程序。（这就是协程的特点）
推荐：（学习中。。。）
    此笔者写的很好：
    https://juejin.im/post/5ccf0d18e51d453b557dc340